2.4.1 过滤及查询相关性
普通查询和过滤的第一个差异在于它们对文档打分的影响。让我们举例对比一下查询和过滤的输出。首先执行如下查询：
这个查询的结果如下：
这个查询没有任何特异之处。Elasticsearch将返回所有在title字段中包含“front”的文档。需要指出的是，每个和查询匹配的文档都会被计算得分，其中得分最高的一组文档被作为查询结果返回给用户。在本例中，该查询返回了一篇得分为0.11506981的文档。以上这些就是查询的一般行为。
接着我们来对比一下查询和过滤。在一个同时包含查询和过滤的例子中，我们将加入一段代码片段，限制返回文档只能有一个副本（copies字段取值为1）。不使用过滤的查询方式如下：
Elasticsearch返回的查询结果和上一个查询非常相似：
上面这段查询代码中的bool查询由两个term查询构成，每个结果文档都需要同时匹配这两个term查询。这个查询返回了和上一查询相同的文档，不过文档得分变成了0.98976034。这和我们读完2.1节后的期望一致：每个词项都会影响得分。
接下来我们来看看使用过滤的查询方式，在titile字段匹配“front”的查询，同时针对copies字段进行过滤。
现在，我们构造好了一个term查询，同时还添加了一个term过滤器。从下面的返回代码中可以看出，输出的文档和不使用过滤时一样，不过文档得分发生了变化。
这个文档的得分为0.11506981，这和本节最开始的查询结果一模一样。通过得分对比我们得出结论：过滤不影响文档得分。
旧版Elasticsearch使用“filter”而不是上述代码中的“post_filter”来标识查询语句中的过滤片段。在1.x版本中，这两种标记方式都可以正常使用，不过请注意，“filter”方式可能将在之后的版本中停用。
一般来说，查询和过滤在工作过程中存在一个主要的差异。过滤的唯一目的是用特定筛选条件来缩小结果范围。而查询不仅缩小结果范围，还会影响文档的得分，这一点在强调文档相关性时非常重要，不过需要付出一定的代价：需要额外的CPU消耗来计算文档得分。当然，这不是查询和过滤的唯一区别。本节剩余部分将着重探讨过滤器的工作原理和Elasticsearch提供的不同过滤方式之间的异同。